1. Nauka
    2. /
  2. Kursy
    3. /
  3. Walidacja modeli w Pythonie
Connected

ćwiczenie

Błąd średniokwadratowy

Wróćmy do prognoz NBA z 2017 roku. Co roku kilka drużyn NBA wygrywa znacznie więcej meczów, niż przewidywano. Jeśli użyjesz MAE, ta metryka dokładności nie odzwierciedla trafnie słabych prognoz tak dobrze, jak robi to MSE. Podniesienie do kwadratu dużych błędów wynikających ze złych prognoz sprawi, że dokładność modelu wypadnie gorzej – a to właśnie chcemy pokazać.

W tym ćwiczeniu kadra zarządzająca klubów NBA chce lepiej przewidywać liczbę zwycięstw drużyn. Użyjesz błędu średniokwadratowego do obliczenia błędu prognoz. Rzeczywiste wyniki są wczytane jako y_test, a prognozy jako predictions.

Instrukcje

100 XP
  • Oblicz MSE ręcznie. $$ MSE = \frac{\sum_{i=1}^{n} (y_i - \hat{y}_i ) ^2 }{n} $$
  • Oblicz MSE przy użyciu sklearn.